[发明专利]客流需求非限化确定方法和相关设备

权利要求书

1.一种客流需求非限化确定方法，其特征在于，包括：

当第一车次的第一客票的发车时间在非聚集性时段时，确定所述第一客票在预售期的已售票数和售票关闭节点，所述非聚集性时段根据所述第一车次的历史候补票数据确定，所述售票关闭节点为余票量低于第一阈值的时间节点；

将所述第一客票的售票关闭节点至预售期结束确定为第一时间段；确定与所述第一时间段对应的第二时间段，并获取所述第一车次的第二客票在所述第二时间段内的已售票数，所述第二客票在所述第二时间段内的余票量大于或者等于所述第一阈值；

根据所述第一客票在预售期的已售票数和所述第二客票在第二时间段的已售票数，确定所述第一客票的非限化客流需求。

2.根据权利要求1所述的方法，其特征在于，根据所述第一车次的历史候补票数据确定所述非聚集性时段，包括：

所述第一车次的历史候补票数据包括候补未实现数据；

根据所述候补未实现数据，如果所述第一车次的各客票在一个预设周期内出现候补未实现的连续天数大于第二阈值，则将候补未实现的连续天数对应的时段确定为所述第一车次的聚集性时段，将所述预设周期的其它时段确定为所述第一车次的非聚集性时段；

如果所述第一车次的各客票在所述预设周期内候补未实现的连续天数均小于或者等于所述第二阈值，则将所述预设周期确定为所述第一车次的非聚集性时段。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

当所述第一客票的发车时间在聚集性时段时，根据所述第一客票在预售期的已售票数和候补未实现的票数，确定所述第一客票的非限化客流需求。

4.根据权利要求1所述的方法，其特征在于，确定所述第一客票的售票关闭节点，包括：

获取所述第一客票在预售期的第N天中各个采样节点的余票量；

如果第N天中余票量低于第一阈值的采样节点的个数大于第三阈值，则将第N天确定为所述第一客票的售票关闭节点。

5.根据权利要求4所述的方法，其特征在于，将所述第一客票的售票关闭节点至预售期结束确定为第一时间段，包括：

所述第一客票的预售期分为多组，每组包含一天或者连续多天的预售时间；

确定所述售票关闭节点所在的分组；

将所述所述售票关闭节点所在的分组以及至预售期结束之间的各分组确定为所述第一时间段。

6.根据权利要求5所述的方法，其特征在于，确定与所述第一时间段对应的第二时间段，包括：

确定所述第一客票的发车时间在第一子周期的第一时间节点；

从所述第一子周期之前的各个子周期中确定多个第二子周期，将发车时间在所述第二子周期第一时间节点的第一车次的客票确定为第二客票；

将所述第二客票预售期中与所述第一时间段相同的时间段确定为所述第二时间段。

7.根据权利要求1所述的方法，其特征在于，根据所述第一客票在预售期的已售票数和所述第二客票在第二时间段的已售票数，确定所述第一客票的非限化客流需求，包括：

将所述第二客票在第二时间段的已售票数输入伽马分布模型，得到第一票数；

将所述第一客票在预售期的已售票数和所述第一票数累加组合并输入所述伽马分布模型，得到所述第一客票的非限化客流需求。

8.根据权利要求7所述的方法，其特征在于，将所述第二客票在第二时间段的已售票数输入伽马分布模型，得到第一票数，包括：

根据第二客票在第二时间段的已售票数确定伽马分布模型的初始参数；

基于所述初始函数进行伽马分布拟合，根据拟合结果得到所述第一票数。

9.一种客流需求非限化确定装置，其特征在于，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至8任一所述的方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至8任一所述的方法。